Tại sao Multidimesional data lại quan trọng?
Tập dữ liệu Auto MPG được thu thập để ghi nhận lại đặc điểm kỹ thuật các dòng xe hơi trong khoảng từ năm 1970 đến 1982.
Tập dữ liệu được tạo ra để hỗ trợ việc đánh giá hiệu suất nhiên liệu (MPG - miles per gallon) của các mẫu xe khác nhau, giúp người tiêu dùng và các nhà sản xuất xe hơi hiểu rõ hơn về:
Liệu rằng xe có trọng lượng nặng hơn có xu hướng tiêu thụ nhiên liệu kém hiệu quả hơn không?
Parallel Coordinates (tọa độ song song) là một phương pháp trực quan hóa dữ liệu đa chiều, trong đó mỗi chiều dữ liệu được biểu diễn bởi một trục thẳng đứng song song. Mỗi điểm dữ liệu trong không gian nhiều chiều được biểu diễn bằng một đường đa giác nối các trục tương ứng với các giá trị của nó.
Ví dụ, nếu một tập dữ liệu có 5 thuộc tính, ta sẽ có 5 trục thẳng đứng song song, và mỗi điểm dữ liệu sẽ là một đường nối các giá trị tương ứng trên các trục đó.
Chernoff Faces là một phương pháp trực quan hóa dữ liệu đa chiều bằng cách biểu diễn mỗi điểm dữ liệu dưới dạng một khuôn mặt người, trong đó các thuộc tính dữ liệu điều khiển các đặc điểm của khuôn mặt (như kích thước mắt, độ cong miệng, chiều dài mũi, v.v.).
Phân tích chất lượng cuộc sống ở những vùng tại Los Angeles
Star Glyphs (hay còn gọi là Star Plots hoặc Radar Charts) là một phương pháp trực quan hóa dữ liệu đa chiều bằng cách biểu diễn mỗi điểm dữ liệu dưới dạng một đa giác hình sao. Mỗi trục của hình sao tương ứng với một thuộc tính (feature), và giá trị của thuộc tính đó xác định độ dài của tia (ray) trên trục.